纵观线性模型的推断理论学习以及应用的钻研，咱们需对线性模型正当性的假设前提及对统计推断度量数据影响的程度进行剖析.本文主要工作是围绕有偏估计的Stein岭型主成分估计相关理论与线性回归数据删除模型的影响分析有关理论，进行探索删除模型在有偏估计下的强影响分析.此外，本文还对约束型矩阵模型的最小二乘估计预测量、只有一个失效数据的可靠度的E-Bayes估计进行探讨.在前辈学者们工作的基础上，进行了相关钻研与推广，获取一系列成果.　　结论一，在Stein岭型主成分估计上对删除单个数据模型进行研究，斟酌对有偏估计的数据删除模型的强影响延伸分析，讨论了数据删除模型估计量的性质，并在前人基础上提出了 iCR统计量、 iAP统计量、Di统计量新表达式，并在实例中用诊断统计量来识别强影响点，并以实例验证合理性和更优性.　　结论二，基于Stein岭型主成分估计研究分析删除多个数据模型，探讨数据删除模型估计量的有关性质，并给出了 JCR统计量、 JAP统计量、DJ统计量的新表达式，并用这些诊断统计量在实例中识别强影响点，并验证合理性.　　结论三，提出了约束型矩阵模型的LSE预测量，矩阵型MSE准则，矩阵型RT(·)准则，矩阵型MDE-准则.进一步，给出了约束型矩阵LSE预测关于MSE准则、RT(·)准则优于它的BLUE预测的充要条件.探究RT(·)准则与MDE-准则的相互转化关系，给出了线性模型有矩阵约束的LSE跟BLUE相比较更具有优性的充要条件.　　结论四，在a=1和1